Ključni podaci za van
- Nova vrsta računalnog hardvera mogla bi omogućiti umjetnoj inteligenciji kontinuirano učenje poput ljudskog mozga.
- Istraživači sa Sveučilišta Purdue kažu da se njihov uređaj može reprogramirati na zahtjev pomoću električnih impulsa.
- Iako je sustav umjetne inteligencije koji u potpunosti uči sam još uvijek uglavnom koncept, postoje mnogi primjeri koji mu se približavaju.
Umjetna inteligencija (AI) uskoro bi mogla dobiti poticaj od nove vrste računalnih čipova inspiriranih ljudskim mozgom.
Istraživači sa Sveučilišta Purdue napravili su novi dio hardvera koji se može reprogramirati na zahtjev pomoću električnih impulsa. Tim tvrdi da bi ova prilagodljivost omogućila uređaju da preuzme sve potrebne funkcije za izgradnju računala inspiriranog mozgom. To je dio stalnih napora za izgradnju AI sustava koji mogu kontinuirano učiti.
"Kada AI sustavi neprestano uče u okruženju, mogu se prilagoditi svijetu koji se mijenja tijekom vremena", rekao je stručnjak za umjetnu inteligenciju sa Stevens Institute of Technology Jordan Suchow za Lifewire u intervjuu e-poštom. "To vidimo, na primjer, kada sustav za otkrivanje prijevare otkrije prethodno neopažen obrazac lažnih kupnji ili kada sustav za prepoznavanje lica naiđe na osobu koju nikada prije nije vidio."
Doživotni učenici
Istraživači Purduea nedavno su objavili rad u časopisu Science. Opisuje kako bi se računalni čipovi mogli dinamički preinačiti kako bi primali nove podatke na isti način na koji to radi mozak. Pristup bi mogao pomoći umjetnoj inteligenciji da nastavi učiti tijekom vremena.
"Mozgovi živih bića mogu kontinuirano učiti tijekom svog životnog vijeka. Sada smo stvorili umjetnu platformu za strojeve koji uče tijekom svog životnog vijeka," rekao je jedan od autora rada, Shriram Ramanathan, u priopćenju za javnost.
Hardver koji je osmislio Ramanathanov tim mali je, pravokutni uređaj napravljen od materijala zvanog perovskit niklat, koji je vrlo osjetljiv na vodik. Primjena električnih impulsa na različitim naponima omogućuje uređaju da promijeni koncentraciju vodikovih iona u nekoliko nanosekundi, stvarajući stanja za koja su istraživači otkrili da se mogu preslikati na odgovarajuće funkcije u mozgu.
Kada uređaj ima više vodika blizu središta, na primjer, može djelovati kao neuron, jedna živčana stanica. S manje vodika na tom mjestu, uređaj služi kao sinapsa, veza između neurona, što je ono što mozak koristi za pohranu memorije u složenim neuronskim krugovima.
"Ako želimo izgraditi računalo ili stroj koji je inspiriran mozgom, onda sukladno tome, želimo imati mogućnost kontinuiranog programiranja, reprogramiranja i mijenjanja čipa," rekao je Ramanathan.
Razmišljanje strojeva?
Mnogi moderni sustavi umjetne inteligencije prilagođavaju se novim informacijama kada se prekvalificiraju, rekao je u e-poruci David Kanter, izvršni direktor MLCommonsa, otvorenog inženjerskog konzorcija posvećenog poboljšanju strojnog učenja.
"Svijet je intrinzično dinamično mjesto i na kraju se strojno učenje i umjetna inteligencija moraju tome prilagoditi", rekao je Kanter. "Na primjer, sustav za prepoznavanje govora 2022. koji ne 'zna' za COVID-19 ili koronaviruse nedostajao bi veliki aspekt modernog svijeta. Slično tome, autonomno vozilo trebalo bi se prilagoditi promjenama na ulicama, zatvaranju mostova ili čak i niske temperature čine cestu zaleđenom."
Iako je AI sustav koji u potpunosti uči sam još uvijek uglavnom koncept, mnogi su primjeri blizu, rekao je Sameer Maskey, izvršni direktor AI tvrtke Fusemachines, u intervjuu e-poštom. Jedan od ovih samoučećih sustava dospio je u vijesti kada je AI sustav pobijedio čovjeka u igri Go.
"AlphaGo je bio DeepMindov prvi AI koji je porazio profesionalnog Go igrača," dodao je Maskey. "Njihove franšize igara postale su odskočna daska sa svakim novim dodatkom koji usvaja napredak prema umjetnoj inteligenciji koja neprestano uči."
Sustavi umjetne inteligencije budućnosti tražit će informacije koje su im potrebne za donošenje dobrih odluka i poduzimanje odgovarajućih radnji, predviđa Suchow. Ova će napredna računala izbjeći skupe pogreške učeći iz vlastitih simulacija iskustva, na primjer, kroz "samoigranje", gdje AI zamišlja ishode interakcija koje ima sa svojim kopijama.
"Ovo je slično načinu na koji ljudi mogu učiti kroz maštu, predviđajući loš ishod bez potrebe da ga izravno iskuse", dodao je Suchow. „Sustavi umjetne inteligencije naučit će učinkovitije strategije za učenje, na način na koji učenik može usmjeriti svoje vrijeme i pažnju ne samo na suštinski sadržaj onoga što proučava, već i na sam proces učenja."
